基于GRU神经网络的桥梁变形预测方法研究

作     者：张艳君 丁德平 沈平 郭安辉 ZHANG Yanjun;DING Deping;SHEN Ping;GUO Anhui

作者机构：中交第二公路勘察设计研究院有限公司武汉430056 

基　　金：湖北省安全生产专项资金科技项目(KJZX202007010) 湖北省交通运输厅科技项目(2020-186-1-6) 

出 版 物：《建筑结构》 (Building Structure)

年 卷 期：2022年第52卷第S2期

页      码：1938-1943页

摘      要：桥梁是我国道路交通网中的重要组成部分,在服役过程中由于过载、疲劳效应、外来冲击以及材料老化等原因,不可避免会产生结构的损伤,因此桥梁的变形预测对灾害的防治具有重要意义。近些年来随着深度学习的兴起和迅速发展,长短期记忆网络(long short-term memory, LSTM)作为一种特殊的循环神经网络(recurrent neural network)常被应用于桥梁变形预测。而门控循环单元网络(gated recurrent unit, GRU)作为LSTM的一种改进方法,具有参数量少、过拟合风险小等优点,因此提出了一种基于GRU神经网络来预测桥梁变形的方法。在工程试验数据分析中,分别利用灰色预测模型GM、遗传算法优化BP神经网络、长短期记忆网络LSTM和门控循环单元网络GRU对某桥梁变形数据进行预报分析。结果表明:GRU模型相较于其他预测模型具有更强的学习能力,预测效果明显优于其他时间序列分析方法。

主 题 词：桥梁工程 变形预测 深度学习 时间序列分析 门控循环单元网络 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081406[081406] 081104[081104] 08[工学] 0835[0835] 0814[工学-地质类] 0811[工学-水利类] 0812[工学-测绘类] 082301[082301] 0823[工学-农业工程类] 

D　O　I：10.19701/j.jzjg.22S2631

馆 藏 号：203118142...